我正在使用Python的max和min函数对列表进行minimax算法，我需要max()或min()返回值的索引。换句话说，我需要知道哪一步棋产生了最大(第一个玩家的回合)或最小(第二个玩家的回合)值。
for i in range(9):
new_board = current_board.new_board_with_move([i / 3, i % 3], player)
if new_board:
temp = min_max(new_board, depth + 1, not is_min_level)
values.append(temp)
if is_min_level:
return min(values)
else:
return max(values)
我需要能够返回最小值或最大值的实际索引，而不仅仅是值。
当前回答
假设您有一个列表values =[3,6,1,5]，并且需要最小元素的索引，即在本例中index_min = 2。
避免使用其他答案中给出的itemgetter()的解决方案，而是使用
index_min = min(range(len(values)), key=values.__getitem__)
因为它不需要导入操作符，也不需要使用枚举，而且它总是比使用itemgetter()的解决方案更快(下面的基准测试)。
如果您正在处理numpy数组，或者可以负担numpy作为依赖项，也可以考虑使用
import numpy as np
index_min = np.argmin(values)
这将比第一个解决方案更快，即使你将它应用于一个纯Python列表，如果:
它比一些元素大(在我的机器上大约2**4个元素) 您可以将内存从纯列表复制到numpy数组
正如这一基准所指出的:
我已经用python 2.7在我的机器上运行了上面两个解决方案(蓝色:纯python，第一个解决方案)(红色，numpy解决方案)和基于itemgetter()的标准解决方案(黑色，参考解决方案)的基准测试。 python 3.5的相同基准测试表明，这些方法与上面给出的python 2.7情况完全相同
其他回答
if is_min_level:
return values.index(min(values))
else:
return values.index(max(values))
如果枚举列表中的项目，可以同时找到min/max索引和值，但对列表的原始值执行min/max。像这样:
import operator
min_index, min_value = min(enumerate(values), key=operator.itemgetter(1))
max_index, max_value = max(enumerate(values), key=operator.itemgetter(1))
这样，对于min(或max)，列表将只遍历一次。
只要你知道如何使用lambda和"key"参数，一个简单的解决方案是:
max_index = max( range( len(my_list) ), key = lambda index : my_list[ index ] )
为什么要先添加索引，然后反转它们呢?Enumerate()函数只是zip()函数用法的一个特例。让我们以适当的方式来使用它:
my_indexed_list = zip(my_list, range(len(my_list)))
min_value, min_index = min(my_indexed_list)
max_value, max_index = max(my_indexed_list)
我对此也很感兴趣，并使用perfplot(我的一个爱好项目)比较了一些建议的解决方案。
事实证明
min(range(len(a)), key=a.__getitem__)
是用于小型和大型列表的最快方法。
在以前的版本中，np。阿格明过去常吃蛋糕。)
生成图的代码:
import numpy as np
import operator
import perfplot
def min_enumerate(a):
return min(enumerate(a), key=lambda x: x[1])[0]
def min_enumerate_itemgetter(a):
min_index, min_value = min(enumerate(a), key=operator.itemgetter(1))
return min_index
def getitem(a):
return min(range(len(a)), key=a.__getitem__)
def np_argmin(a):
return np.argmin(a)
b = perfplot.bench(
setup=lambda n: np.random.rand(n).tolist(),
kernels=[
min_enumerate,
min_enumerate_itemgetter,
getitem,
np_argmin,
],
n_range=[2**k for k in range(15)],
)
b.show()
